基于小波神经网络的多属性决策方法及应用

分析了多属性决策问题及现有方法,提出用小波神经网络建立权重分配模型以改进多属性决策的方法,使权重的确定较为客观准确,并具有自学习功能。在工业产品质量决策方案评价中的应用表明了该方法的有效性。     

基于小波神经网络的多属性决策方法

在分析了多属性决策问题及现有方法之后,提出了用小波神经网络建立权重分配模型从而改进多属性决策的方法,使权重的确定较为客观准确,并具有自学习功能,还介绍了该方法在工业产品质量决策方案评价中的应用.     

一种利用信息熵确定属性权重的模糊单因素评价方法

在多属性决策问题中,由于问题的复杂性,属性的权重一般是未知量或者只有部分信息权重,研究如何确定多属性决策问题中属性的权重,以便对已有的方案进行排序或评价,已经成为多属性决策研究的一个重点问题。截止目前,多属性权重确定方法主要包括主观权重确定法和客观权重确定法,主观权重确定法具有受决策主体主观偏好影响的缺点,而客观权重确定方法往往忽略决策主体的参与程度。因此,如何研究将主客观权重复制相结合,提高决策的准确性,具有实际的研究意义。本文总结了多属性决策问题中权重的确定方法,提出了一种主观赋值与客观确定相结合的改进熵值权重确定方法,并通过实例证明了该算法的有效性。     

一类考虑阶段赋权的多阶段三端点区间数型群决策方法

基于区间数相离度理论和熵值理论, 探讨了一类多阶段多属性三端点区间数型群决策中的动态属性权重、动态专家权重和阶段权重问题, 提出了多阶段属性权重确定方法和阶段内专家权重的计算方法. 计算出属性权重、阶段内专家权重和阶段权重, 并利用区间数贴近度方法生成最终的群决策方案排序. 应用实例分析结果表明, 所提出的决策方法具有较好的可行性和合理性.

     

基于云模型求解属性权重的DEMATEL方法研究

针对多属性决策中属性权重完全未知的情境,提出一种考虑属性相关性的基于云模型的DEMATEL方法。该方法依据复杂系统思维观,充分考虑了属性权重之间的复杂关联关系,将决策专家采用的自然语言偏好表征通过云模型转化为定量表征,之后通过DEMATEL方法求解出属性权重,不仅使得专家在复杂情境下决策更为有效,而且使得属性权重的求解更具科学性与客观性。案例验证结果表明,所提方法实践可操作性较强。     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

基于信息熵与证据推理的不确定多属性决策方法

针对不确定多属性决策过程中信息特征呈多样化且属性权重完全未知时难以进行决策的问题,提出了一种基于不确定信息熵的权值计算方法。该方法首先将各种不确定信息转换到统一的信度框架下,计算出不确定信息熵从而获得属性客观权重值。该方法结合证据推理法可实现属性权重未知时不确定信息下的多属性决策。最后以应用实例验证了该方法的有效性和可行性。     

基于犹豫模糊语言的多阶段多属性决策方法

针对不确定语言条件下的决策问题,考虑专家偏好的阶段性差异,提出基于犹豫模糊语言的多阶段多属性决策方法。首先为了更准确地表达专家在决策过程中的犹豫性,采用犹豫模糊语言来表达专家的评估信息;其次考虑阶段权重的波动性,运用基于专家阶段性偏好的信息熵方法构建阶段权重优化模型确定阶段权重;然后利用最大化偏差法来求解属性权重,并采用基于平均解距离评价(EDAS)方法对备选方案进行排序;最后以某企业选取物流商问题为例,验证该方法的有效性和可行性。     

基于乘法偏好关系的群一致性偏差熵多属性群决策方法研究

在多属性群决策中, 针对每一个属性下决策者都有一个关于决策方案的乘法偏好关系的决策问题, 提出一种基于乘法偏好关系的群一致性偏差熵多属性群决策方法. 此方法考虑到不同属性下的决策者具有不同的权重, 并通过迭代运算可以达到群一致性水平, 从而得出最终的不同属性下决策者的权重; 同时, 可以利用偏差熵模型来求解属性权重, 利用这两个权重最终获得一个综合各方意见的群一致性乘法偏好关系. 最后通过算例分析验证了所提出方法的有效性.     

多属性群决策权重调整自适应算法

研究多属性群决策中权重确定问题。对属性权重采用目标规划法进行优化;计算专家个体决策结果与群体决策结果的灰色关联度,据此对初始专家权重进行调整更新,进而调整更新初始群决策结果;根据2阶Minkowski距离继续对专家权重进行自适应调整,直至计算出稳定的专家权重和群决策结果。通过对风电机组设备供应商的评价表明了该方法的可行性与实用性。     

基于策略权重的模糊多属性决策方法

在实际的多属性决策问题中,决策者可以策略性地设置属性权重来获得期望的可选方案排名,这就是策略权重操控问题.决策者的不诚实性在现实中是普遍存在的,对于该问题的研究具有实际价值,而对该问题的研究目前主要针对于确定数.鉴于此,将策略权重操控问题的研究拓展到模糊多属性决策.首先,定义模糊多属性决策的策略权重操控问题和排名范围概念;然后,提出基于可能度和贴近度公式的混合线性规划模型来得出排名范围,并建立决策者策略权重向量最优模型;最后,以决策评价信息为区间数和三角模糊数的多属性决策问题为例,验证所提出模型的可行性和实用性,结果表明,OWA(ordered weighted averaging)算子对策略权重操控抵御能力更强,拓展模型能够保持原有确定数评价信息可选方案排名模型的优越性和准确性.     

基于投影寻踪的时间序列多属性决策研究

针对属性权重完全未知且属性值为多维时间序列的评价决策问题,提出一种基于加速遗传算法-投影寻踪和多属性决策的混杂评价决策模型方法.该方法将首先利用投影寻殊方法对多维时间序列数据按照属性进行降维处理,以解决数据处理过程中"维数灾难"带来的影响,并使用加速遗传算法确定最佳投影方向作为属性权重;对于得到的具有时间序列特性的决策...     

面向偏好冲突的直觉模糊多属性群体决策方法

针对偏好具有冲突性且权重信息完全未知的直觉模糊多属性群体决策问题, 提出一种基于多目标决策的求解方法. 首先, 建立以决策方案差异程度和决策成员偏好冲突程度为目标函数的多目标决策模型; 然后, 利用极小极大方法求解该模型, 得到各方案的属性权重和决策成员权重, 据此确立最优方案; 最后, 通过数值算例表明了该方法的有效性.

     

基于概率信息不完备的群决策模型

针对犹豫模糊元中元素发生的概率信息不完备的群决策问题,提出一种基于最优化模型和一致性调整算法的群决策模型。该模型首先引入了概率不完备犹豫模糊偏好关系（PIHFPR）、概率不完备犹豫模糊偏好关系的期望一致性以及概率不完备犹豫模糊偏好关系的满意加性期望一致性等概念;其次,以PIHFPR和排序权重向量间的偏差最小化作为目标函数,构建线性最优化模型计算得到PIHFPR中不完备的概率信息;随后,通过提出的加权概率不完备犹豫模糊偏好关系集成算子确定综合的PIHFPR,同时设计一种群体一致性调整算法,不仅使得调整后的PIHFPR具有满意加性期望一致性,还可以计算方案的排序权重。最后,将群决策模型应用于区块链的选择实例中。实验结果表明,决策结果合理可靠,且更能反映实际决策情况。     

基于前景和量子理论的模糊多属性决策方法

针对属性权重不完全确定且属性偏好值为区间直觉模糊数的多属性决策问题,提出一种基于前景理论和量子进化算法的模糊多属性决策方法。该方法根据前景理论及模糊数距离公式,定义区间直觉模糊数的前景价值函数,同时将决策者对方案的风险偏好纳入决策行为中,以此来构建方案综合前景值最大化的非线性规划模型。通过引入量子进化算法,求解模型得出最优权重向量。最终根据方案前景值确定出方案的排序。该方法适用于模糊决策环境,能满足决策者不提供确定属性权重的要求,并充分考虑决策者风险心理因素对决策行为的影响,具有广泛的应用价值。数值算例说明了该方法的有效性和可行性。     

基于后悔理论及EDAS法的概率语言多属性群决策方法

针对属性权重未知的群体决策问题,提出基于离平均方案（平均解）距离的评价方法（EDAS）及考虑决策者后悔规避心理行为的概率语言术语集（PLTS）多属性群决策方法。首先,根据PLTS的相关性质定义概率语言术语集信息熵及交叉熵并建立属性权重模型;然后,将群体满意度公式拓展到概率语言术语集环境下,并用于后悔理论中效用值的计算;随后,基于概率语言术语集的属性权重确定模型及群体满意度公式,将后悔理论与EDAS法相结合提出新的多属性决策方法,并对各备选方案进行选择排序;最后,以实例网络舆情突发事件的选择排序为实例对所提出的方法进行验证,并通过对比分析来证明所提方法的有效性。     

基于后悔理论及EDAS法的概率语言多属性群决策方法

针对属性权重未知的群体决策问题，提出基于离平均方案（平均解）距离的评价方法（EDAS）及考虑决策者后悔规避心理行为的概率语言术语集（PLTS）多属性群决策方法。首先，根据PLTS的相关性质定义概率语言术语集信息熵及交叉熵并建立属性权重模型；然后，将群体满意度公式拓展到概率语言术语集环境下，并用于后悔理论中效用值的计算；随后，基于概率语言术语集的属性权重确定模型及群体满意度公式，将后悔理论与EDAS法相结合提出新的多属性决策方法，并对各备选方案进行选择排序；最后，以实例网络舆情突发事件的选择排序为实例对所提出的方法进行验证，并通过对比分析来证明所提方法的有效性。